Tesis AI AS$4 Trilion Jensen Huang: Apa Yang Perlu Dibuktikan Pelabur

Jensen Huang mahu pelabur melihat AI bukan sebagai kitaran cip biasa, tetapi sebagai pembinaan infrastruktur perindustrian. Senario optimistik Ketua Pegawai Eksekutif Nvidia itu sangat besar: AS$3 trilion hingga AS$4 trilion perbelanjaan infrastruktur AI setiap tahun menjelang 2030. Namun, ini ialah unjuran Nvidia, bukannya konsensus industri — dan ia menetapkan ujian yang berat kepada syarikat yang membelanjakan modal tersebut. 140

Premis utama: kuasa pengkomputeran AI menjadi infrastruktur

Hujah Huang ialah AI generatif memerlukan model pengkomputeran baharu. Pusat data perlu direka untuk menukarkan elektrik dan modal kepada kapasiti pengkomputeran AI. Pendekatan ini meluaskan pasaran Nvidia melangkaui pemecut AI kepada rangkaian, sistem, perisian dan model operasi yang digelarnya sebagai “kilang AI”.

Skalanya sudah pun besar. Bank for International Settlements (BIS), sebuah badan antarabangsa yang menyokong kerjasama bank pusat, menyatakan lima hyperscaler terbesar — penyedia awan berskala gergasi — dijangka membelanjakan lebih AS$1 trilion untuk perbelanjaan modal berkaitan AI sepanjang 2025 dan 2026. Satu taklimat Congressional Research Service pula menyatakan pelaburan berkaitan AI global diunjurkan melebihi AS$1 trilion pada 2026. 4033

Angka ini menjadikan sasaran Huang bagi 2030 munasabah sebagai arah aliran, tetapi belum terbukti. Takrifnya penting: jumlah perbelanjaan modal korporat, perbelanjaan khusus AI, perbelanjaan pusat data dan perbelanjaan dalam ekosistem AI yang lebih luas bukan ukuran yang sama.

Permintaan tinggi, tetapi bekalan masih menjadi had terdekat

Keputusan kewangan Nvidia memberi bukti paling jelas tentang permintaan semasa. Bagi suku yang berakhir pada 26 Julai 2026 — suku kedua fiskal 2027 Nvidia — syarikat itu melaporkan hasil AS$96.2 bilion, meningkat 106% berbanding setahun sebelumnya. Nvidia juga mengunjurkan hasil AS$108 bilion, tambah atau tolak 2%, bagi suku berikutnya. Reuters melaporkan syarikat itu memberi amaran bahawa kekurangan komponen memori akan mengehadkan kelajuan pengembangan bekalan. 17

Pada persidangan pelabur, Huang menyifatkan pembinaan AI masih di peringkat awal, sambil mengakui kekangan yang melangkaui cip: kapasiti rantaian bekalan, tanah dan bekalan elektrik semuanya boleh melambatkan pelaksanaan projek. 2 Maka, masalahnya bukan sekadar jumlah GPU yang tersedia. Pengerahan AI berskala besar memerlukan memori, pembungkusan cip termaju, peralatan rangkaian, ruang pusat data, pembinaan, bekalan elektrik dan keupayaan grid menyalurkan tenaga.

Bagi pelabur, perbezaan ini penting. Kekangan bekalan boleh mengekalkan permintaan tinggi terhadap peralatan Nvidia dalam jangka pendek. Namun, ia juga boleh menangguhkan projek dan hasil pelanggan yang memerlukan kemudahan lengkap — bukan hanya pelayan — sebelum boleh menjual perkhidmatan AI.

Daripada perbelanjaan awan kepada projek berskala utiliti

Huang menggunakan contoh infrastruktur fizikal untuk menunjukkan skala perubahan ini. Laporan daripada persidangan Goldman Sachs menyebut projek AI yang dirancang di Australia, dengan kapasiti 2 gigawatt pada 2027 dan anggaran infrastruktur sekitar AS$80 bilion. 35

Belum pasti sama ada projek individu akan mencapai sasaran tersebut. Namun, contoh itu menerangkan premis Huang: kapasiti AI kini menjadi cabaran tenaga, tanah, pembinaan dan pembiayaan, di samping cabaran semikonduktor.

Anggaran BIS bahawa lima hyperscaler terbesar akan membelanjakan lebih AS$1 trilion untuk perbelanjaan modal berkaitan AI pada 2025–2026 turut menjadi semakan realiti penting. Kitaran pelaburan ini nyata dan sudah besar; perdebatan sebenar ialah pulangan ekonominya pada akhirnya. 40

Nvidia mahu pengkomputeran AI boleh dibiayai seperti aset infrastruktur

Strategi Nvidia tidak terhad kepada menjual perkakasan kepada penyedia awan terbesar. Pada Ogos 2026, syarikat itu mengumumkan memorandum persefahaman dengan Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs dan KKR untuk menubuhkan platform pembiayaan pengkomputeran bebas. Matlamatnya ialah menggerakkan lebih AS$500 bilion modal pihak ketiga. 4959

Model yang disasarkan ialah menjadikan sistem AI dan infrastruktur berkaitannya boleh dibiayai melalui hasil jangka panjang yang dikaitkan dengan penggunaan, bukan hanya bergantung pada kunci kira-kira pelanggan. Nvidia menyifatkannya sebagai usaha menjadikan pengkomputeran dan infrastruktur AI menyeluruh satu kelas aset yang boleh dilaburkan. 59

Namun, pengaturan itu bukan dana AS$500 bilion yang telah lengkap diwujudkan. Ia ialah memorandum yang bertujuan menggerakkan modal dari semasa ke semasa. Ekonominya bergantung pada projek, kontrak, kadar penggunaan dan kualiti kredit pelanggan. Reuters juga melaporkan Nvidia berkata ia boleh memberi sokongan sehingga AS$125 bilion, atau 25%, daripada potensi urus niaga itu. 50

Risiko utama: pengewangan perlu mengejar pembinaan infrastruktur

Hujah pesimis bukanlah permintaan AI tidak wujud. Keputusan Nvidia dan rancangan perbelanjaan hyperscaler menunjukkan permintaan semasa yang nyata. Persoalan lebih sukar ialah sama ada hasil pada lapisan aplikasi — perisian perusahaan, ejen AI, perkhidmatan pengguna dan produk lain — boleh menampung kos pengkomputeran, tenaga, pusat data, susut nilai peralatan dan pembiayaan.

Sebab itu, metrik paling berguna tidak berhenti pada penghantaran GPU atau pengumuman perbelanjaan modal:

• Kadar penggunaan: Adakah sistem AI yang mahal digunakan pada kadar yang cukup tinggi?
• Kualiti hasil: Adakah perkhidmatan AI menjana hasil berulang, bukan sekadar percubaan jangka pendek?
• Ekonomi seunit: Adakah harga dan margin kasar mampu menampung kos penuh untuk melatih dan menjalankan model AI?
• Ketahanan kontrak: Adakah komitmen pengkomputeran disokong pelanggan yang mampu membayar jika permintaan perlahan?
• Pulangan atas modal dilaburkan: Selepas susut nilai dan kos elektrik, adakah pembeli infrastruktur AI memperoleh pulangan melebihi kos modal mereka?

Maksud mesej Huang kepada pelabur

Kes Huang bertumpu pada tiga andaian yang saling berkait: permintaan terhadap pengkomputeran AI semakin pesat, bekalan fizikal memerlukan masa untuk mengejar, dan modal swasta boleh membantu membiayai infrastruktur itu. Pertumbuhan hasil Nvidia serta panduan jualannya menyokong andaian pertama dalam tempoh terdekat, manakala data BIS mengesahkan kitaran perbelanjaan itu sudah cukup besar. 1740

Andaian yang masih belum terjawab ialah yang paling penting: sama ada syarikat yang menggunakan pengkomputeran ini mampu mengubahnya menjadi perkhidmatan yang tahan lama dan menguntungkan. Jika ya, pengkomputeran AI boleh berfungsi seperti infrastruktur produktif. Jika tidak, sektor ini mungkin berdepan kapasiti yang kosnya meningkat lebih pantas daripada keupayaan menjana hasil.

Itulah ukuran penentu bagi tesis AS$4 trilion ini — bukan jualan cip Nvidia semata-mata, tetapi hasil perkhidmatan AI yang berkekalan dan pulangan daripada infrastruktur yang sedang dibina.